SDH傳輸系統(tǒng)網(wǎng)元脫管分析及處理

孫 青 上海鐵路局上海通信段

1 傳輸網(wǎng)管系統(tǒng)概述

SDH（Synchronous Digital Hierarchy，同步數(shù)字體系）是一種將復(fù)接、線路傳輸及交換功能融為一體、并由統(tǒng)一網(wǎng)管系統(tǒng)操作的綜合信息傳送網(wǎng)絡(luò),簡稱傳輸網(wǎng)絡(luò)，也是目前鐵路通信中應(yīng)用最廣的傳輸通道承載網(wǎng)絡(luò)。傳輸系統(tǒng)網(wǎng)管主要由網(wǎng)管終端（含服務(wù)器或工作站）、傳輸通道（可以是LAN或WAN）以及網(wǎng)絡(luò)設(shè)備（含GNE以及NE）組成，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示：

圖1 傳輸網(wǎng)管系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

如圖1所示，網(wǎng)管終端在上層應(yīng)用TCP/IP協(xié)議實現(xiàn)服務(wù)器和工作站的互通，在下層應(yīng)用嵌入控制通路（Embedded Control Channel ECC）協(xié)議棧實現(xiàn)工作站與網(wǎng)元（NE）節(jié)點的通信，SDH設(shè)備之間的通信使用ECC，其中網(wǎng)關(guān)網(wǎng)元（GNE）與網(wǎng)管服務(wù)器直接相連，也可以通過LAN或WAN相連，非網(wǎng)關(guān)網(wǎng)元與網(wǎng)關(guān)網(wǎng)元通過數(shù)字通信通路（DCC）連接，網(wǎng)管終端和網(wǎng)關(guān)網(wǎng)元之間通過TCP/IP協(xié)議傳遞信息，網(wǎng)關(guān)網(wǎng)元和非網(wǎng)關(guān)網(wǎng)元之間通過ECC通信，從而實現(xiàn)網(wǎng)管和非網(wǎng)關(guān)網(wǎng)元之間的通信。而ECC主要用于SDH網(wǎng)元間的通信，傳送TMN信息，實現(xiàn)網(wǎng)管對非網(wǎng)關(guān)網(wǎng)元的管理.

2 網(wǎng)元脫管概述

網(wǎng)元脫管是指傳輸系統(tǒng)網(wǎng)管無法對網(wǎng)絡(luò)中傳輸網(wǎng)元（主機）進行正常的管理。其現(xiàn)象在網(wǎng)管上表現(xiàn)為網(wǎng)元變灰、網(wǎng)元無法登陸。一般情況下，網(wǎng)元脫管不會引起傳輸設(shè)備所承載的業(yè)務(wù)中斷，但是會導(dǎo)致網(wǎng)管無法實時監(jiān)控脫管的網(wǎng)元，脫管網(wǎng)元的運行狀態(tài)和告警信息也無法及時上傳至網(wǎng)管。網(wǎng)元脫管所造成的影響不僅與其在網(wǎng)絡(luò)拓撲結(jié)構(gòu)中的位置有關(guān)，而且影響的范圍也不同，會影響單個或多個網(wǎng)元的監(jiān)控，如果處理不及時，有可能會造成更大的通信故障。

3 網(wǎng)元脫管的分析及處理

網(wǎng)元脫管按影響范圍可以分為單網(wǎng)元脫管和多網(wǎng)元脫管2類，對于不同的故障范圍有著不同的處理思路，需要區(qū)別對待。

3.1 單網(wǎng)元脫管

單網(wǎng)元脫管只涉及到某一單個網(wǎng)元，因此該類故障的定位及處理方法較為簡單，常見的原因有網(wǎng)元ID設(shè)置錯誤、主控板故障、光接口板故障、網(wǎng)元用戶不正確、所屬網(wǎng)關(guān)設(shè)置不正確等。本文結(jié)合現(xiàn)場故障處理經(jīng)驗總結(jié)歸納了單網(wǎng)元脫管的故障處理流程可供維護人員借鑒，具體處理流程如圖2所示。

圖2 單個網(wǎng)元脫管故障處理流程圖

下面將以金山線“新橋客站房”單網(wǎng)元脫管為例對單網(wǎng)元脫管的故障處理情況進行介紹。金山線傳輸系統(tǒng)網(wǎng)絡(luò)拓撲如圖3所示。

圖3 金山支線傳輸系統(tǒng)拓撲圖

按照圖2所示的處理步驟，處理人員首先檢查確認(rèn)了“新橋客站房”至“新橋信號樓”兩個網(wǎng)元之間的ECC鏈路不通，隨后安排人員在現(xiàn)場查詢客站房設(shè)備，發(fā)現(xiàn)設(shè)備運行正常，無異常告警，端口DCC資源獲取也正常；然后維護人員檢查了本站設(shè)備與臨站設(shè)備對接光口的再生段J0，發(fā)現(xiàn)“新橋客站房”光纖連接鴛鴦導(dǎo)致ECC鏈路不通。至此，故障原因找到了，最后維護人員將“新橋客站房”4槽位和5槽位收側(cè)的光纖調(diào)換了位置，使相應(yīng)單板的再生段J0字節(jié)實際的收發(fā)與現(xiàn)場物理連接一致后確認(rèn)該網(wǎng)元ECC鏈路管理里面可以看到上游站“新橋信號樓”網(wǎng)元，網(wǎng)元狀態(tài)正常，故障處理完畢。

3.2 多網(wǎng)元脫管

相對于單網(wǎng)元脫管，多網(wǎng)管脫管的故障成因就復(fù)雜很多，故障處理也較為困難，常見的多網(wǎng)元脫管原因有網(wǎng)關(guān)網(wǎng)元故障、管理網(wǎng)元數(shù)量太多、ECC風(fēng)暴、網(wǎng)元互踢以及ECC誤碼等，下面將逐一進行介紹。

3.2.1 網(wǎng)關(guān)網(wǎng)元故障

如果傳輸網(wǎng)絡(luò)中某一個網(wǎng)關(guān)網(wǎng)元下的所有網(wǎng)元都處于脫管狀態(tài)，最大的原因就可能是該網(wǎng)關(guān)網(wǎng)元本身發(fā)生了故障，比如該網(wǎng)關(guān)網(wǎng)元主控板故障，網(wǎng)線、網(wǎng)卡故障，IP地址設(shè)置不正確等，在日常故障處理過程中可以按照上述可能出現(xiàn)的情況依次排查即可解決。

3.2.2 管理網(wǎng)元數(shù)量太多

造成傳輸網(wǎng)絡(luò)中大面積網(wǎng)元脫管的另一個可能的原因就是某網(wǎng)關(guān)服務(wù)器下掛的管理網(wǎng)元太多，由于網(wǎng)管終端的管理能力以及ECC處理能力都是有限的，一般建議控制在400網(wǎng)元以下，其中網(wǎng)關(guān)網(wǎng)元要控制在64個以下，如果超過64個網(wǎng)管側(cè)會上報GNE MGR LIMIT OVER告警，表明網(wǎng)關(guān)網(wǎng)元所管理的非網(wǎng)關(guān)網(wǎng)元數(shù)目越限，主要是提醒用戶組網(wǎng)過大避免發(fā)生ECC風(fēng)暴。但是現(xiàn)網(wǎng)一般很難做到64個網(wǎng)元以下，例如，上海局某傳輸系統(tǒng)網(wǎng)管曾管理網(wǎng)元303個，但是網(wǎng)關(guān)網(wǎng)元只有2個，造成在日常的維護中經(jīng)常出現(xiàn)大面積網(wǎng)元瞬間脫管現(xiàn)象，后多設(shè)置了2個網(wǎng)關(guān)網(wǎng)元，并合理分配了每個網(wǎng)關(guān)網(wǎng)元處理的網(wǎng)元區(qū)域，關(guān)斷區(qū)域間的ECC通道，各網(wǎng)關(guān)網(wǎng)元分別使用路由器將網(wǎng)管數(shù)據(jù)匯聚到網(wǎng)管服務(wù)器上，問題就得到了有效的解決。

3.2.3 ECC風(fēng)暴

ECC風(fēng)暴的根本原因是ECC本身不適合大組網(wǎng)導(dǎo)致的。如果網(wǎng)絡(luò)規(guī)模過大，會造成ECC路由計算能力下降，當(dāng)網(wǎng)絡(luò)發(fā)生變化時，路由廣播信息不斷在整個網(wǎng)絡(luò)中廣播，會造成路由不斷重新計算、路由表收斂時間過長最終導(dǎo)致ECC風(fēng)暴。

要解決ECC通信不暢和ECC風(fēng)暴問題，最好的方式便是劃分ECC子網(wǎng)。通過ECC關(guān)斷技術(shù)將各子網(wǎng)之間的ECC路由信息隔離，成為相互獨立的ECC通信網(wǎng)，每個子網(wǎng)保持50個網(wǎng)元左右。這樣便可以保證網(wǎng)元之間的ECC通信順暢，避免ECC風(fēng)暴的發(fā)生。

對于ECC風(fēng)暴的判斷：網(wǎng)絡(luò)中出現(xiàn)過導(dǎo)致ECC信息變化的因素，如某站光路中斷、停電等；網(wǎng)管上除了網(wǎng)關(guān)網(wǎng)元是綠色的外，其余絕大部分站點都是灰的，特別是多個網(wǎng)關(guān)網(wǎng)元都一樣的現(xiàn)象更是如此（因為多個網(wǎng)關(guān)網(wǎng)元的主控板不大可能同時故障），類似的現(xiàn)象90%是因為ECC振蕩引起的；數(shù)據(jù)查詢判斷：使用命令ecc-get-route查詢，每次查詢時總的路由條數(shù)應(yīng)該發(fā)生變化；觀察部分典型路由的距離，有的會有應(yīng)該走短徑?jīng)]有走而走了長徑；用命令ecc-get-bdinfo查詢，部分光口的狀態(tài)為rx_f、unstable等。利用上面兩個步驟，基本上能定位出是否是ECC振蕩問題；例如：某網(wǎng)絡(luò)的ECC超過了300個，在一定的時期無法進行ECC分割，在網(wǎng)絡(luò)斷纖等情況下，網(wǎng)絡(luò)路由信息大量刷新，如果不進行人為干涉，一般不會自行恢復(fù)，需要掌握一些手段來迅速消除ECC振蕩。常用的解決ECC風(fēng)暴的方法有2個。

方法一：調(diào)整ECC最大距離

傳輸設(shè)備缺省的ECC最大距離是64，這個距離是一個最大范圍，在具體的網(wǎng)絡(luò)中往往不需要這么大，而且這個最大距離會影響到ECC路由的搜索范圍。

在設(shè)置了ECC最大距離后，就能夠在一定程度上縮小網(wǎng)絡(luò)ECC路由刷新的范圍，從而能夠降低ECC風(fēng)暴發(fā)生的可能性；而在ECC風(fēng)暴發(fā)生的時候，把ECC最大距離設(shè)置成為5，在網(wǎng)絡(luò)初步穩(wěn)定后，再逐漸調(diào)整最大距離，讓網(wǎng)絡(luò)逐漸穩(wěn)定。一般來說，網(wǎng)絡(luò)正常工作的時候，長度設(shè)置為21即可，但是需要注意的是，這個方法在長環(huán)斷纖的時候，可能會因為某些ECC最大距離過長導(dǎo)致無法登陸，此時，可以臨時更改一下。

方法二：關(guān)閉骨干節(jié)點周圍的ECC鏈路

這個方法可以迅速消除ECC振蕩，在關(guān)閉的時候，對網(wǎng)絡(luò)的光纖連接要掌握清楚，首先關(guān)閉的是那些接入層的環(huán)路，要把一部分設(shè)備完全從現(xiàn)有的ECC網(wǎng)絡(luò)中完全隔離開來，待ECC不再振蕩后，逐漸放開（注意關(guān)閉遠端光口，而不要關(guān)閉到網(wǎng)管方向的路由，防止網(wǎng)管無法登陸打開已經(jīng)關(guān)閉的 ECC）；

3.2.4 網(wǎng)元互踢

不同的網(wǎng)管服務(wù)器使用相同的網(wǎng)元用戶登錄同一個網(wǎng)元導(dǎo)致的網(wǎng)管上出現(xiàn)有規(guī)律的頻繁脫管時就可以認(rèn)為發(fā)生了網(wǎng)元互踢。由于上海局內(nèi)范圍大，多個傳輸系統(tǒng)在兩個或者多個地方各有服務(wù)器，因為更換主控板或者升級主控造成自行創(chuàng)建的網(wǎng)元用戶丟失，而網(wǎng)管卻仍然在使用以前創(chuàng)建的這些網(wǎng)元用戶登錄此網(wǎng)元。此時網(wǎng)元的圖標(biāo)不變成灰色，但是圖標(biāo)左上角會出現(xiàn)“未登錄”的提示，網(wǎng)管頻繁瞬報NENOT-LOGIN告警，異常事件也會頻繁上報“用戶退出網(wǎng)元登錄”事件，以上三種現(xiàn)象可以判斷出該網(wǎng)元與其他終端或者網(wǎng)管所使用的用戶沖突了，解決的辦法，可以切換至其他網(wǎng)元用戶處理。

3.2.5 ECC誤碼

當(dāng)傳輸網(wǎng)絡(luò)中頻繁發(fā)生多網(wǎng)元脫管或者間歇性脫管的現(xiàn)象時，如果已經(jīng)排除了網(wǎng)元互踢或ECC風(fēng)暴的原因，那么就需要重點檢查是否存在ECC誤碼了。ECC誤碼主要有兩個方面：一是線路板側(cè)的ECC誤碼；另外就是主控板上的ECC誤碼。

線路板側(cè)的ECC誤碼是指接收到SDH幀的開銷就有錯誤，這個可通過查詢到的歷史性能數(shù)據(jù)看到；主控板側(cè)ECC誤碼是指主控接收時產(chǎn)生了的ECC誤碼。可通過命令cmget-chanerror執(zhí)行多次，間隔為10 s左右，一般至少執(zhí)行30次后查詢并比對輸出的參數(shù)，其中 LG、NO、CR、AB、UN、MRF都表示誤碼字段，如果這些字段在查詢過程中不斷增長，說明有誤碼，一直不增長，說明沒有誤碼。

4 結(jié)束語

傳輸網(wǎng)絡(luò)是鐵路通信的基礎(chǔ)承載網(wǎng)，而傳輸網(wǎng)管對傳輸網(wǎng)絡(luò)的設(shè)備起著實時監(jiān)控的作用，是傳輸網(wǎng)絡(luò)的中樞神經(jīng)。網(wǎng)元的脫管會造成傳輸網(wǎng)管無法及時獲取脫管網(wǎng)元的運行狀態(tài)及告警信息，對傳輸網(wǎng)絡(luò)承載的業(yè)務(wù)有著較大的影響，對傳輸網(wǎng)絡(luò)的安全也有很大的威脅，本文對造成網(wǎng)元脫管的原因進行了分析并針對每種原因提出了解決思路和方法，有助于及時定位并排除故障，避免影響的擴大。